1. No category

UNIVERSIDAD CATÓLICA SANTO TORIBIO DE MOGROVEJO
FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS Y COMPUTACIÓN
SISTEMA DE SOPORTE A LA TOMA DE DECISIONES BASADO EN
INTELIGENCIA DE NEGOCIOS PARA MEJORAR LOS PROCESOS
COMERCIALES DEL IMPORTADOR PERUANO
TESIS PARA OPTAR EL TÍTULO DE
INGENIERO DE SISTEMAS Y COMPUTACIÓN
DANIEL ANGEL CHÁVEZ COLMENARES
Chiclayo 18 de agosto de 2015
“SISTEMA DE SOPORTE A LA TOMA DE DECISIONES BASADO EN
INTELIGENCIA DE NEGOCIOS PARA MEJORAR LOS PROCESOS
COMERCIALES DEL IMPORTADOR PERUANO”
POR:
DANIEL ANGEL CHÁVEZ COLMENARES
Presentada a la Facultad de Ingeniería de la
Universidad Católica Santo Toribio de Mogrovejo
para optar el título de
INGENIERO DE SISTEMAS Y COMPUTACIÓN
APROBADA POR EL JURADO INTEGRADO POR
______________________
Ing. Ricardo David Imán Espinoza
PRESIDENTE
_______________________
Ing. Héctor Miguel Zelada Valdivieso
SECRETARIO
_______________________
Ing. Segundo José Castillo Zumarán
ASESOR
DEDICATORIA
A Dios y a la Virgen de Guadalupe por
haberme permitido llegar hasta este
punto y haberme dado salud para lograr
mis objetivos
A mis padres Oscar y Laura, porque
siempre
estuvieron
a
mi
lado
brindándome su apoyo y sus consejos
para hacer de mí una mejor persona.
A mi hermano Oscar Enrique por sus
palabras de aliento y por darme su
ejemplo.
AGRADECIMIENTOS
Expresar mi más sincero y profundo agradecimiento al Ing. Segundo J. Castillo
Zumarán asesor de esta investigación, por la orientación, el seguimiento y la
supervisión continua de la misma, pero sobre todo por la motivación y el apoyo
recibido.
Especial reconocimiento merece el interés mostrado por mi trabajo y las
sugerencias recibidas de la Ing. María I. Arangurí García, agradeciéndole por el
ánimo infundido y la confianza depositada en mí.
Agradecer a los Ingenieros en general, que con su ayuda han colaborado con la
realización de la presente tesis.
Y finalmente un agradecimiento muy especial merece la compresión, paciencia y
ánimo recibido de mi familia.
A todos ellos, muchas gracias.
Índice
RESUMEN ................................................................................................................. 7
ABSTRACT ................................................................................................................ 8
I. INTRODUCCIÓN ............................................................................................... 9
II. MARCO TEÓRICO .......................................................................................... 11
2.1 Antecedentes ................................................................................................. 11
2.1.1 Locales .................................................................................................... 11
2.1.2 Nacionales .............................................................................................. 12
2.1.3 Internacionales ....................................................................................... 13
2.2 Bases teórico científicas ................................................................................ 13
2.2.1 Inteligencia de negocios ......................................................................... 13
2.2.2 Sistema de soporte a la toma de decisiones........................................... 15
2.2.3 Datawarehouse ....................................................................................... 15
2.2.4 Datamart ................................................................................................. 16
2.2.5 Proceso comercial .................................................................................. 17
2.2.6. Sistemas transaccionales ....................................................................... 19
2.2.7 Otras definiciones relacionadas con inteligencia de negocios. ............. 19
2.2.8 Metodologías que se aplican en business intelligence ........................... 20
2.2.9 Diferencias entre los Sistemas tradicionales y los Sistemas Business
Intelligence...................................................................................................... 23
2.3 Definición de términos básicos ..................................................................... 25
III.
MATERIALES Y MÉTODOS.......................................................................... 26
3.1 Diseño de investigación ................................................................................ 26
3.1.1 Tipo de estudio y diseño de contrastación de hipótesis ........................ 26
3.1.2 Población, muestra de estudio y muestreo ............................................ 27
3.1.3 Muestra ................................................................................................... 27
3.1.4 Muestreo ................................................................................................. 27
3.1.5 Métodos, técnicas e instrumentos de recolección de datos ................... 27
3.1.6 Hipótesis ................................................................................................. 27
3.1.7 Variables e indicadores ........................................................................... 28
3.1.8 Plan de procesamiento para análisis de datos ....................................... 29
3.2 Metodología .................................................................................................. 29
IV.
RESULTADOS .............................................................................................. 30
4.1 Determinación de requerimientos ................................................................ 30
4.1.1 Funcionales ............................................................................................ 30
4.1.1.1 Funcionales de mantenimiento ....................................................... 31
4.1.1.2 Funcionales de reportes ................................................................... 32
4.1.2 No funcionales ........................................................................................ 32
4.2 Elaboración de prototipos ............................................................................ 33
4.3 Análisis de las fuentes de datos internas ....................................................... 34
4.3.1 Campos originales del archivo importaciones ....................................... 37
4.4 Modelado dimensional ................................................................................. 42
4.5 Documentación de la base de datos multidimensional................................ 45
4.6 Diseño de la arquitectura técnica ................................................................. 46
4.7 Selección e instalación de productos de Bussines Intelligence .................... 48
4.8 Diseño del proceso de extracción, transformación y carga ......................... 48
4.9 Especificación final de la aplicación de usuario........................................... 65
V. DISCUSIÓN ..................................................................................................... 65
VI. CONCLUSIONES ............................................................................................... 72
VII.
REFERENCIAS BIBLIOGRÁFICAS ................................................................ 74
VIII. ANEXOS....................................................................................................... 75
RESUMEN
El presente proyecto, propone la implementación de un sistema de soporte a la
toma de decisiones basado en inteligencia de negocios para mejorar los procesos
comerciales del importador peruano, donde el principal problema radica en la
información desintegrada que se encuentra en diferentes formatos almacenados y
además no se le da una debida orientación a dicho importador.
Por ello es preciso hacer la siguiente pregunta ¿De qué manera el sistema de
soporte a la toma de decisiones basado en inteligencia de negocios contribuirá a
que el importador peruano tome una adecuada decisión al momento de importar
y que de esta manera pueda mejorar sus procesos comerciales?
Tomando en cuenta la problemática que se nos presenta, se necesitará la
implementación de un sistema de soporte a la toma de decisiones basado en
Business Intelligence para la mejora de los procesos comerciales del importador
peruano.
El proyecto tiene como objetivo principal el correcto procesamiento y limpieza
de datos para que de esta manera responda a los requerimientos del importador
peruano.
En el marco metodológico, se opta por utilizar la metodología de Ralph Kimball
que es de un enfoque descendente, escalando todos los requerimientos
funcionales de cada unidad de negocio o departamento para consolidar
finalmente el datawarehouse.
Como muestra se tomará a una parte de la población de importadores a los que
se les aplicará un pre y post test, la recopilación de datos estará dada por
entrevistas, observaciones y reportes; y para el procesamiento de estos datos se
utilizara la herramienta de Microsoft Office Excel.
Por lo tanto se concluye que el Sistema contribuyó a mejorar los procesos
comerciales mediante una oportuna toma de decisiones.
PALABRAS CLAVE: Inteligencia de negocios, importación, precios FOB, toma de
decisiones, datamart, sistema de soporte.
7
ABSTRACT
The present project, he proposes the implementation of a system of support to the
decision making based on business intelligence to improve the commercial
processes of the Peruvian importer, where the principal problem takes root in the
disintegrated information that one finds in different stored formats and in
addition a due orientation is not given to the above mentioned importer.
For it it is necessary to ask the following question: of how the business
intelligence-based decision support system will help the Peruvian importer to
make a proper decision at the time of import and that in this way you can
improve its commercial processes?
Taking into account the problematics presented to us, will require the
implementation of a support system to make decisions based on Business
Intelligence for the improvement of the business processes of the Peruvian
importer.
The project takes as a principal aim the correct processing and cleaning of data so
that in this way respond to the requirements of the Peruvian importer.
In the methodological frame, one chooses to use Ralph Kimball's methodology
that is of a descending approach, climbing all the functional requirements of
every business unit or department to consolidate finally the datawarehouse.
As sample will be taken to a part of the population of importers will apply a pre
and post test, data collection will be given by interviews, observations and reports;
and for the processing of these data using the tool of Microsoft Office Excel.
Therefore one concludes that the System helped to improve the business
processes by means of an opportune capture of decisions.
KEYWORDS: bussines intelligence, import, cost FOB, decision making, datamart,
support system.
8
I.
INTRODUCCIÓN
En la actualidad no es difícil notar la cantidad de avances tecnológicos que se
desarrollan continuamente. Sin embargo, saber aprovechar estos avances
dependerá de cada uno. Es por ello que las personas y organizaciones tienen la
responsabilidad de informarse acerca de las nuevas tendencias y encontrar su
propio equilibrio entre costo / beneficio, pero además tienen el desafío de
investigar, implementar y comprobar que tipos de sistemas de información son
los que más se adecuan a sus necesidades y las ayudan a obtener mejores
resultados.
Según Lorenzo Juan (2012) chief technology officer, la inteligencia de negocios
actúa como un factor estratégico para una empresa u organización, generando
una potencial ventaja competitiva, ya que proporciona información privilegiada
para responder a los problemas del negocio, este tipo de información podría ser
la entrada a nuevos mercados, optimización de costes, la planificación de una
producción, la rentabilidad de un producto en concreto, etc.
La razón de la presente investigación es justamente abordar la situación
problemática que afecta al importador peruano dentro de la organización
SUNAT, ya que el principal problema del importador es que necesita de
información analítica para poder hacer una correcta importación de uno o varios
productos.
También el importador al momento de consultar páginas web como SUNAT,
ADEX, etc. se encuentra con información o data desintegrada y es más esta data
se encuentra en diferentes formatos como son hojas de cálculo, documentos en
Word, archivos en block de notas, etc.
Si bien es cierto existen muchas páginas web como COMEXPERU, ADEX,
PROMPERU, etc, que ayudan tanto al importador como al exportador
brindándoles estadísticas de productos, proveedores, etc, pero de forma plana
esto quiere decir que no brindan una información limpia y al detalle donde el
importador pueda interactuar con dicha información para que pueda analizarla
de manera correcta, esto se debe a la diversificación de sistemas y la falta de
integración entre ellas, además de la ausencia de herramientas de
almacenamiento central que unifique los datos dispersos.
Otro problema que el importador tiene con la organización de información por
separado es que esta pierde valor por el tiempo que toma en organizarlos y
manipularlos y a esto sumarle los posibles errores humanos que ello ocasiona,
esto genera nuevamente información desactualizada y corriendo peligro de
realizar análisis imprecisos de los costos de productos importados y por ende
posibles diferencias en la utilidad esperada.
Además algunas de estas páginas web cuentan con sistemas transaccionales el
cual genera un problema a la hora de procesar millones de registros por ejemplo
en la SUNAT semanalmente se contabilizan 250,000 registros, que al año harían
un total de 120´000,000 registros, esto genera un problema, ya que si se quisiera
hacer una consulta específica de los últimos 10 años sería complicado para un
sistema transaccional.
El 90% de las mercancías que llega al puerto del Callao llega a través de la vía
marítima esto demanda mucho tiempo y costo ya que si el producto no se
9
desaduana o retira en el momento esto implica un costo adicional ya que pasaría
directo a aun almacén.
El importador por desconocimiento trae productos del exterior que se
encuentran como mercancías restringidas esto generada malestar y a la vez
pérdida de tiempo y dinero, y en otros casos pérdida de toda la mercancía.
Según INEI (2013) en su boletín de noviembre, las importaciones FOB (Free on
board) en valores nominales sumaron US$ 3 287,7 millones, ubicándose por
debajo del 6,0% del valor reportado en noviembre de 2012, estas cifras generan
incertidumbre en dicho importador.
Es así que según lo analizado y descrito anteriormente en la situación
problemática y las diferentes posturas negativas que presenta el importador
peruano, se plantea la siguiente incógnita ¿De qué manera se contribuiría a que el
importador peruano tome una adecuada decisión al momento de importar y que
de esta manera pueda mejorar sus procesos comerciales?, la cual se pretende
demostrar como progreso de la investigación y además aportar y ofrecer una
alternativa de solución que respondería a la necesidad de la siguiente manera,
que la implementación de un sistema de soporte a la toma de decisiones basado
en inteligencia de negocios mejora los procesos comerciales del importador
peruano.
En el desarrollo de esta investigación para lograr la hipótesis se plantearon los
siguientes objetivos.
El presente proyecto tiene como objetivo general el correcto procesamiento de
información para ayudar al importador peruano a mejorar sus decisiones en los
procesos comerciales que realiza mediante una solución de inteligencia de
negocios.
En base a lo que se tiene como objetivo general, se plantean los siguientes
objetivos específicos para el proyecto.
Disminuir el tiempo de análisis de información por parte del importador peruano,
ya que como se sabe SUNAT no presenta o no tiene un sistema integrado por el
cual se pueda facilitar de manera eficiente dicha información y además aquellas
empresas que ofrecen esta información no la brindan a nivel de detalle.
Analizar la tasa de variación en un determinado periodo de tiempo esto permitirá
conocer cuál es la situación de un determinado país al momento de importar.
Calcular los costos CIF (Cost Insurance and Freight) los cuales incluyen el costo
del producto, costo del flete y costo del seguro haciendo uso de la información
que será analizada para una adecuada toma de decisión por parte del
importador.
Crear reportes para la toma de decisiones del importador peruano, y que además
estos muestren los datos actualizados a la última carga.
Con ello se justificaría desde el punto de vista tecnológico que el presente
proyecto mejorará la toma de decisiones del importador ya que por medio de la
implementación de este sistema hará uso de la información que le permitirá
elaborar reportes y tener tableros de control, además de tener información
histórica y actualizada que le permita hacer comparaciones y le facilite dicha
toma de decisiones. Las herramientas a utilizar son las de la Microsoft SQL Server
2008 ya que es un sistema para la gestión de base de datos producido por
Microsoft basado en el modelo relacional. Sus lenguajes para las consultas son
Transact SQL y ANSI SQL. Sus servicios de análisis se mueven en el entorno de
análisis en tiempo real además los servicios de transformación de datos son un
10
conjunto de herramientas gráficas y objetos programables que pueden usarse
para extraer, transformar y cargar datos a esto se le conoce como proceso ETL
desde fuentes muy diversas y llevarlas a un destino único o múltiples destinos y
por ultimo sus servicios de reporting permiten de forma sencilla integrar datos
desde fuentes heterogéneas y datawarehouse en informes valiosos, interactivos y
gestionables que puedan localizarse y consultarse intranets, extra nets e internet.
Por otro lado, desde el aspecto económico el uso de este sistema no solo
mejorará la toma de decisiones del importador sino que además de ello mejorará
la rentabilidad y calidad de productos importados por ejemplo mediante la
elección de un proveedor y que además este le pueda brindar productos a un
menor precio que sus competidores. Desde el aspecto social tenemos que con
esta implementación se podrá prevenir que el importador tome decisiones
erradas y que por ende puedan causar un efecto negativo en su organización o
empresa. El beneficiario externo en este caso será el importador o usuarios a
quienes se les brinde la información analítica que ellos deseen saber. Y en lo
referente al aspecto científico, según Piscoya L. (1982) “Las reglas tecnológicas a
diferencia de las proposiciones o enunciados producidos por la investigación
científica, se caracterizan por que no tiene sentido decir que ellas son verdaderas
o falsas, sino más bien si son eficientes, si permiten el logro de los objetivos
propuestos, o de ineficientes en caso contrario”
Este proyecto intenta diferenciarse de otros debido a que va orientado a un sector
en específico que es el importador y la propuesta de valor del presente apunta a
la integración de aplicativos fuentes en un inicio de un datawarehouse
respetando las mejores prácticas en gestión de información y la optimización de
procesos mediante la gestión monitoreo y mantenimiento de rutas eficientes de
procesamiento e instrucciones SQL avanzadas.
II.
MARCO TEÓRICO
2.1 Antecedentes
2.1.1 Locales
Según esta tesis que lleva por título “Desarrollo de una solución de business
intelligence para mejorar el proceso de toma de decisiones estratégicas en la
gestión comercial de la Empresa Trucks and Motors del Perú S.A.C.” de la
Universidad Católica Santo Toribio de Mogrovejo en el año 2011 cuyo autor es
Carlos Johnny Galán Sánchez y por el cual su trabajo estuvo basado en el
desarrollo de una solución de inteligencia de negocios utilizando la metodología
de Ralph Kimball, que contribuyó en la mejora del proceso de toma de decisiones
de la gestión comercial del servicio de transporte de carga, a través de la facilidad
en el acceso de la información actualizada, precisa, adecuada, segura y en el
menor tiempo posible para los ejecutivos.
La tecnología que se utilizó para realizar este proyecto fue desarrollada con las
herramientas de Microsoft SQL Server 2008 y Microsoft Analysis Services para la
realización de los cubos, así como también una aplicación Web que sirvió para el
apoyo de la toma de decisiones desarrollado en software libre el cual permitió la
explotación de la información.
11
La relación que existe con el presente proyecto de investigación es que en nuestro
proyecto analizaremos también este tipo de problemas pero orientado a mejorar
la toma de decisiones del importador en el Perú.
También se utilizaran herramientas de Microsoft SQL Server 2008 y Microsoft
Analysis Services para la limpieza y explotación de la información.
2.1.2 Nacionales
En la siguiente tesis cuyo título es “Datawarehouse: soporte para la toma de
decisiones” realizada en la Universidad de San Martín de Porres (Lima)
desarrollada en el año 2010 por Tomás Elmer Espinoza Alegre nos da un enfoque
o tuvo como objetivo ofrecer una herramienta de gestión que permita definir,
medir, analizar, mejorar y controlar la rentabilidad y satisfacer la necesidad de
información a todas las áreas funcionales de Xerox. Para llevar adelante este
proyecto fue fundamental el apoyo de alta gerencia, para alinear a los gerentes
de área con los objetivos que se quería lograr con la construcción de esta
solución.
El problema en esta empresa fue que sus márgenes de rentabilidad no eran
buenos ya que no se podía obtener una adecuada y oportuna toma de decisiones
que permitiera analizar, detectar y corregir distorsiones en el proceso del
negocio.
Con la implementación de este datawarehouse se llegó a la conclusión de que se
mejoraría la toma de decisiones en el nivel gerencial.
La relación que tiene con el presente proyecto es el de mejorar la toma de
decisiones y a la vez mejorar los márgenes de rentabilidad para el importador
mediante la construcción de un sistema que le permita al importador peruano
tomar una adecuada decisión.
Por otro lado la siguiente tesis que lleva por título “Análisis, diseño e
implementación de un Datamart para el área de mantenimiento y logística de
una empresa de transporte público de pasajeros” realizada Pontificia Universidad
Católica Del Perú (2011) cuyo autor Jaime Alexander Zambrano Alarcón para la
presente tesis se buscó mejorar el área de mantenimiento y logística de dicha
empresa. Esta área permitió que los autobuses se encuentren en un óptimo
estado y así ofrecer un servicio de calidad. Para ello el manejo de la información
dentro de la empresa jugaba un papel determinante.
Esto le permitió a la empresa manejar adecuadamente su información para
optimizar procesos internos, mejorar la calidad de los autobuses, prever posibles
fallas o accidentes mediante un correcto manteamiento preventivo, es decir,
ofrecer un mejor servicio a los usuarios de Lima.
El modelo multidimensional de la solución logro abarcar las necesidades de
información identificadas y fue representado utilizando diagramas de fácil
comprensión que permitieron una correcta validación del mismo.
La relación que existe con el presente proyecto es que se convertirá en una
herramienta que brindara información útil para la correcta toma de decisiones
por parte del importador. Además permitirá un fácil acceso a la información de
manera independiente y sin necesidad de conocimientos técnicos.
12
2.1.3 Internacionales
Según el autor Jaime Arias Cuevas en su tesis que lleva por título
“ Diseño y
construcción de un Data Mart para el filtro de opiniones en la web a partir de
datos originados en el portal educar chile” que elaboro en la Universidad de Chile
(2012), planteo que a través de la creación de indicadores limpios y consolidados
respecto del uso de las secciones y viñetas que componen el portal, y que se
almacenarán en un Data Mart, el equipo de administración del sitio podrá
acceder a información detallada acerca del comportamiento de sus visitantes.
El problema que existió era que las viñetas que componen las secciones de los
escritorios producen un alto sesgo en el comportamiento de los usuarios,
principalmente en aquellas secciones que contienen información de actualidad.
En ellas los usuarios no visualizaban los recursos que son publicados en las
viñetas que se encuentran ocultas por defecto, lo que se traduce en una política
ineficiente de edición y publicación de artículos. Los resultados de este estudio
permitieron evaluar las estrategias de publicación implementadas por la
organización, y definir otras nuevas, ya sea en pos de potenciar las actuales
preferencias de los usuarios, o con el objetivo de generar mayores visitas en otras
menos requeridas.
La relación que existe con el presente proyecto es de obtener información limpia,
precisa y consolidada al momento de tomar una adecuada decisión por parte del
importador y sus analistas y que nos permita saber qué tipo de información le
gustaría obtener según sus requerimientos.
En la siguiente tesis desarrollada en la Universidad Carlos III De Madrid cuyo
título es “Análisis y diseño de una Data Mart para el seguimiento académico de
alumnos en un entorno universitario” en el 2010 realizado por el autor Miguel
Rodríguez Sanz en su tesis nos planteó las etapas por las que puede pasar el
alumnado de las diferentes carreras universitarias que se imparten en cada uno
de los campus universitarios, desde su comienzo de estudios hasta llegar a
terminar la carrera. También era un problema las razones por las que un alumno
tuvo dificultades para superar un curso en concreto.
Los resultados ofrecieron información útil sobre el ciclo académico de los
alumnos, considerando como tal el paso por una serie de etapas, desde su
matrícula inicial hasta la finalización, abandono o bloqueo; por ello permitió
detectar cuellos de botella, porcentajes de éxito y abandono de los alumnos.
La relación que existe con el presente proyecto es de obtener información limpia,
precisa y consolidada al momento de tomar una adecuada decisión por parte del
importador y sus analistas y que nos permita saber el comportamiento del
traslado de un producto del exterior mediante indicadores que puedan reducir o
generar pérdidas.
2.2 Bases Teórico Científica s
2.2.1 Inteligencia de negocios
13
O Business Intelligence es una disciplina que integra información proveniente de
diversos orígenes posibilitando al analista la exploración de un conjunto
unificado de datos con sus propios criterios, (Rozenfarb 2007).
La inteligencia de negocios actúa como un factor estratégico para una
organización o empresa, ya que genera una potencial ventaja competitiva, que
no es otra que proporcionar información privilegiada para responder a los
problemas de negocio como son entrada a nuevos mercados, promociones
ofertas de productos, eliminación de islas de información, control financiero,
optimización de costes, planificación de la producción, análisis de perfiles de
clientes, rentabilidad de un producto concreto, etc.
Las empresas a medida que crecen, aumentan proporcionalmente sus
necesidades de información, es por esto que se requieren utilizar técnicas de
análisis de información cada vez más complejas.
Se mencionarán tres etapas de evolución de dichas técnicas:
Reportes y consultas
Esta es la etapa más simple de análisis de información. En ésta, la información se
obtiene mediante consultas ejecutadas directamente de las fuentes de
información originales como base de datos u hojas de cálculo por ejemplo.
La elaboración de estos reportes puede demandar gran cantidad de esfuerzo
según la complejidad y diversidad de las fuentes y estructuras de datos de la
organización.
Procesamiento analítico en línea (OLAP)
El OLAP (On-Line Analytical Processing) consiste en realizar consultas sobre
estructuras dimensionales donde los datos transaccionales fueron migrados de
manera resumida. Estas estructuras dimensionales se encuentran en una base de
datos intermedia denominada Data Warehouse.
La ventaja que OLAP nos ofrece es que se pueden elaborar reportes dinámicos
que los usuarios pueden manipular y a su vez obtener más detalle sobre éstos, de
acuerdo a sus necesidades.
Data mining
Es la etapa del análisis de datos que permite descubrir mediante algoritmos
complicados y procesos de investigación, tanto el significado de la información
como las relaciones y patrones a partir de los datos existentes en un Data
Warehouse.
En definitiva se pude decir que una solución BI nos permitirá:
-observar ¿Qué está ocurriendo?
-comprender ¿Por qué ocurre?
-predecir ¿Qué ocurriría?
-colaborar ¿Qué debería hacer el equipo?
-decidir ¿Qué camino se debe seguir?
En ocasiones tendemos a creer que los problemas para acceder a información
para la toma de decisiones solo se producen en nuestro entorno. Sin embargo, en
un artículo sobre el sector sanitario en EE.UU, se descubrió la siguiente
información:
Según Cano (2007), “En muchos hospitales los analistas financieros destinan un
80% del tiempo a agregar y normalizar manualmente información de hojas de
cálculo Excel, y tan solo un 20% a analizar información relevante”.
14
Además en un estudio llevado a cabo por International Data Corporation se
afirma que la implementación de las tecnologías que se utilizan en Business
Intelligence es urgente en aquellas organizaciones que tienen una estructura
compleja y, además un elevado número de clientes.
Uno de los objetivos básicos de los sistemas de información es que nos ayuden a
la toma de decisiones. Cuando un responsable tiene que tomar una decisión pide
o busca información, que le servirá para reducir la incertidumbre. Sin embargo,
aunque todos la utilicen, no todos los responsables recogen la misma
información: depende de muchos factores, como pueden ser su experiencia,
formación, disponibilidad, etc. Del mismo modo, los responsables pueden
necesitar recoger más o menos información dependiendo que su mayor o menor
aversión al riesgo. A partir de los datos que nos proporciona el sistema de
Business Intelligence podemos descubrir conocimiento.
Los beneficios que se pueden obtener a través del uso de BI pueden ser de
distintos tipos:
 Beneficios tangibles, por ejemplo: reducción de costes, generación de
ingresos.
 Beneficios intangibles, es el hecho de que tengamos disponible la
información para la toma de decisiones hará que más usuarios utilicen
dicha información para mejorar la posición competitiva.
 Beneficios estratégico, son todos aquellos que nos facilitan la formulación
de la estrategia, es decir, a que clientes, que mercados o con que
productos dirigirnos.
2.2.2 Sistema de soporte a la toma de decisiones
Según Cohen y Asin (2004) definen a un sistema de soporte para la toma de
decisiones o (DSS: Decision Support Systems) como un conjunto de programas y
herramientas que permiten obtener de manera oportuna la información que se
requiere durante el proceso de la toma de decisiones que se desarrolla en un
ambiente de incertidumbre.
También se puede decir que estos sistemas tienen por finalidad apoyar la toma de
decisiones mediante la generación y evaluación sistemática de diferentes
alternativas o escenarios de decisión mediante el empleo de modelos y
herramientas computacionales.
A lo anterior se le puede agregar que en la mayoría de casos lo que constituye el
detonante de una decisión es el tiempo límite o máximo en el que se debe tomar
una decisión.
El proceso de toma de decisiones es una de las actividades que se realizan con
mayor frecuencia en el mundo de los negocios. Lo llevan a cabo todos los niveles
de la organización, desde asistentes o auxiliares, hasta los niveles más altos como
son los directores generales de las empresas.
2.2.3 Datawarehouse
15
Según Bill Inmon (1992) dijo que: un Data Warehouse es una colección de datos
orientados a temas integrados, no volátiles y variantes en el tiempo, organizados
para soportar las necesidades empresariales.
Además Inmon defiende una metodología llamada descendente (top-down), ya
que de esta forma se consideraran mejor los datos corporativos.
Según Ralph Kimball (1991) define a un Data Warehouse como una copia de las
transacciones de datos específicamente estructurada para la consulta y el análisis,
pero también considera que un datawarehouse es la unión de todos los datamarts
de una entidad. Él considera una metodología ascendente (bottom-up).
Según definición de INEI (2005), un datawarehouse se crea al extraer datos desde
una o más bases de datos de aplicaciones transaccionales, la data extraída es
transformada para eliminar inconsistencias y resumida si es necesario, y luego
cargada en un datawarehouse.
Un data warehouse permite tener información histórica a un nivel de detalle que
permite armar con facilidad los reportes que los usuarios requieran. Dichos
reportes permitirán evaluar al usuario no solo en el estado actual de un tema en
específico, sino que también permite evaluar cómo ha ido cambiando esta
situación a lo largo del tiempo.
Según Cohen y Asin (2004) las características de un data warehouse son:
 Es orientado al tema ya que los sistemas transaccionales engloban todos
los procesos del negocio debido a que estos son trabajados en forma de
flujos de trabajo en un ambiente operacional.
 Integrado por que la información almacenada al interior está siempre
integrada
 De tiempo variante ya que es cargado con información actualizada cada
cierto período de tiempo, lo que permite tener data constante durante ese
intervalo.
 No volátil por que los sistemas transaccionales no cambian con mucha
frecuencia.
2.2.4 Datamart
Según el ingeniero Bernabéu Ricardo Dario (2010), un datamart es la
implementación de un datawarehouse con alcance restringido a un área
funcional, problema en particular, departamento, tema o grupo de necesidades.
Muchos depósitos de datos comienzan siendo datamart, para entre otros motivos,
minimizar riesgos y producir una primera entrega en tiempos razonables. Pero,
una vez que estos se han implementado exitosamente, su alcance se irá
ampliando paulativamente.
Para Bill Inmon (1992), lo más importante en la definición de un datamart,
constituye que el departamento de la organización propietario del mismo posea
el hardware, el software y datos que lo constituyen. Al poseer los derechos de
16
propiedad de datamart el departamento tiene el control y disciplina de los datos
encontrados en el mismo.
2.2.5 Proceso Comercial
Los procesos comerciales son los generadores de ingresos de la empresa. Los
mecanismos de venta deberán ser capaces de arrancar todos los procesos en la
empresa de la forma más automática posible, para que desde que se cierra un
pedido, este pueda servirse, instalarse, ponerse en servicio, operarse, mantenerse
y facturarse de la manera más simple y eficiente posible.
Para poder realizar una aplicación que pueda cubrir estos requerimientos, han
sido objeto de estudio de diferentes disciplinas como son planeamiento
estratégico y el estudio de business intelligence.
Existen muchas ventajas por las que es recomendable usar un almacén de datos y
por las que una organización debe decidirse a implantarlo. Entre ellas podemos
destacar algunas.
 Los almacenes de datos facilitan el funcionamiento de los sistemas de
apoyo a la toma de decisiones tales como informes de tendencia. Por
ejemplo obtener resultados con los productos importados de un país o
países de un determinado proveedor, también se pueden obtener informes
de excepción, informes que muestran los resultados reales frente a los
objetivos planteados a priori.
 Los almacenes de datos pueden trabajar de manera conjunta para así
aumentar el valor operacional de las aplicaciones empresariales, en
especial la gestión de relaciones con clientes conocidas como Customer
Relationship Management (CRM).
 Consistencia de la información al consolidarla desde varios departamentos
origen a un solo destino, esto facilitará la posterior toma de decisiones al
poder hacer un mejor análisis de la información.
 Beneficios en costes, tiempos y productividad de la organización. Un
datawarehouse ayuda a obtener mejores tiempos de respuesta y supone
una mejore en los procesos de producción.
En general podría decir que si una empresa quiere eficacia en los negocios que le
competen, tomar decisiones cercanas a sus clientes y una ventaja competitiva, lo
ideal en la realización de este proyecto sería implementar un datawarehouse que
le pueda ayudar al importador peruano obtener esos beneficios.
Según Habers (2011) “un data warehouse no se puede comprar, se tiene que
construir” esto quiere decir que la construcción e implantación de un
datawarehouse es un proceso evolutivo que se tiene que apoyar en una
metodología específica para este tipo de procesos, si bien lo más importante es la
elección de la mejor de las metodologías, el realizar un control para asegurar el
seguimiento también lo es.
Para poder realizar este proyecto de deben incluir aspectos tanto del hardware
como de las aplicaciones y herramientas haciendo especial énfasis en los sistemas
de soporte de decisiones (DSS). Estos sistemas son herramientas de Business
Intelligence (BI) enfocadas al análisis de los datos de una organización.
17
Si bien es cierto, puede parecer que el análisis de datos es un proceso sencillo y
fácil de conseguir mediante una aplicación hecha a medida o un ERP, esto sin
embargo, no lo es ya que estas aplicaciones suelen disponer de una serie de
informes predefinidos en los que se presenta información de manera estática,
pero no permitan profundizar en los datos o navegar entre ellos.
En cuanto al desarrollo, al momento de la creación no existe una única
metodología en la que se basa el diseño, ya que depende del contexto en el que se
encuentren los objetivos que se persigan y se puede emplear una u otra
metodología.
Existen varias metodologías, pero las dos más conocidas e importantes serian la
del top-down que corresponde a Bill Inmon y la del bottom-up que corresponde a
Ralph Kimball.
Este proyecto se realizará mediante la implantación de un BI esto significa que se
va a analizar, diseñar e implementar una solución donde el importador pueda
tomar una mejor decisión esto ayudará a que sea competitivo en el mercado
donde se desarrolla.
Según una encuesta realizada en el 2012 por Gatner, business intelligence es la
máxima prioridad tecnológica para los CIO (o directores en TI).
En la nota de prensa se menciona que el BI se suele combinar con otras
tecnologías para maximizar sus capacidades. Así, por ejemplo, utilizando un
sistema BI sobre un aplicativo SCM se pueden mejorar los procesos logísticos, o
aplicando BI sobre un CRM se busca mejorar la fidelidad de los clientes, etc.
En el siguiente ranking elaborado por Gartner (2013) observamos que BI se sitúa
en primer lugar como prioridad tecnológica.
Figura 1: Principales prioridades tecnológicas
Fuente: Gartner
Las definiciones que se presentan a continuación han sido necesarias para
establecer la relación que existe con el proyecto a desarrollar
18
2.2.6. Sistemas transaccionales
Según Cohen y Asin (2004), es indispensable contar con una adecuada plataforma
de sistemas transaccionales, de preferencia integrados a través de un sólido
manejo de base de datos.
Otro aspecto importante que también recalcan es que en relación con los
sistemas transaccionales son las áreas funcionales de la organización a las que
están enfocados o que proporcionan el servicio de información, generalmente
hacia las áreas de ventas, administración y finanzas.
Actualmente la gran mayoría de organizaciones en el mundo, operan con
sistemas operacionales ya que los datos se encuentran almacenados dentro de
ellas.
Cuando una empresa nace, se puede apoyar en información externa y, con el
tiempo, una vez iniciada su andadura, tiene acceso a información tanto interna
como externa. En este contexto, es importante saber cómo sacar partido a los
datos y a la información para mejorar la toma de decisiones de marketing (Vives
2010).
Sin embargo estos sistemas debido al volumen y frecuencia de actualización no
permiten o dificultan la obtención de:
Estudios históricos por indicador ya que en la mayor parte de los casos la
estructura de la información no fue diseñada para poder soportarlo.
Reportes históricos y estadísticos debido a que la información cambia
constantemente los resultados también podrían variar con cada ejecución del
reporte.
Además que un reporte con demasiada información consumiría demasiados
recursos de base de datos y hasta podría incluso dañar la base de datos del
transaccional.
2.2.7 Otras definiciones relacionadas con inteligencia de negocios.
Dimensión
Una dimensión es una entidad de análisis que contiene información respecto a las
unidades o entidades de negocio que se van a analizar.
Atributo
Un atributo es una unidad de información relativa a una dimensión. Por ejemplo,
para una dimensión Cliente, un atributo seria el nombre, y otro sería la fecha de
nacimiento.
Fact
Una fact o tabla de hechos es una entidad que contiene información integrada
con un nivel de detalle determinado para ciertos valores de análisis. El nivel de
detalle, llamado también granularidad, lo determina la cantidad de dimensiones
que están asociados a dicha fact.
Medida
19
Una medida es un valor que contiene, a nivel de detalle de la fact a la que
pertenece, un valor representativo.
Indicador
Un indicador permite medir la evolución de una medida en un tema de análisis.
ETL (Extract, Transform and Load)
Es el proceso mediante el cual se extrae la data de la base de datos transaccional,
se transforma mediante operaciones y algoritmos complicados, y se cargan los
datos ya transformados en el Data Warehouse.
2.2.8 Metodologías que se aplican en business intelligence
Bill Inmon
Inmon (1992) logra identificar la importancia de utilizar un data warehouse para
guardar datos históricos continuos, ya que uno de los mayores obstáculos para el
análisis de información relevante es no contar con datos disponibles sobre un
periodo de tiempo extendido. Operacionalmente, se tiende a almacenar
solamente una vista actual del negocio, lo cual es un periodo muy corto para un
análisis serio de tendencias en el negocio. A él se le asocia frecuentemente con
los esfuerzos de data warehouse a nivel empresarial. En su filosofía, un data mart
es solo una de las capas del data warehouse, los data marts son dependientes, ya
que se obtiene la información del depósito central de datos o data warehouse
corporativo y por lo tanto se construye luego de él.
Inmon dice que el modelado dimensional está bien para los data mart, pero hace
énfasis en que estos deben ser dependientes del data warehouse corporativo; sin
embargo está muy convencido que un diseño basado en diagramas entidad
relación es mucho más apropiado para el dat warehouse central de mayor
magnitud.
Según Inmon y Devlin la estructura ideal que se busca para un data warehouse, es
que proporcione la manera más efectiva de recolectar, almacenar y extender la
información, es muy probablemente:
Datos antiguos, limpiados en un RDBMS (potencialmente un data warehouse
empresarial)
Dato reconciliados, desde el data warehouse empresarial obtienen información
los data marts, cubos y otras herramientas para análisis y reportes que utilicen un
enfoque multidimensional para mostrar la información.
El problema de este enfoque es que es ideal para los propósitos de desarrollo del
equipo de tecnología de información pero no para las finanzas de la
organización. A esta estructura no es posible dividirle en partes modulares que al
implementarse comiencen a ser explotadas, sino que es hasta que toda la
arquitectura está en su lugar que los usuarios de negocio obtienen beneficio de
ella.
Otro problema que trae consigo esta metodología es que consume mucho más
tiempo, esto tiene como consecuencia que muchas empresas se inclinen por usar
metodologías de la que obtengan resultados tangibles en un espacio menor de
tiempo.
20
Ralph Kimball
Kimball (2004) llega a diferenciarse de Inmon como de Devlin en que él dice: “el
data warehouse no es nada más que la unión de todos los data marts que lo
constituyen”. Kimball además de esto nos comunica que el data mart es el data
warehouse, esto lo afirma en el sentido de que al construir los data marts se está
construyendo el data warehouse de una manera incremental. Kimball es
frecuentemente asociado con esfuerzos departamentales y no corporativos.
En la actualidad la mayoría de los proyectos de data warehouse implementan el
modelo de data marts de kimball en lugar del esquema de data warehouse
empresarial propuesto por Bill Inmon o de la arquitectura en tres capas de Devlin,
esto obedece a motivos de tiempo, costo y el riesgo de fracaso asociados con el
desarrollo de los dos últimos.
El objetivo central de la metodología de kimball es el modelado dimensional. Un
buen diseño asegura en gran parte el éxito del proyecto. El objetivo que se
persigue con un data warehouse, servir de soporte a la toma de decisiones, solo
es alcanzado si el diseño del data warehouse – data mart propone una estructura
consistente y adecuada a las necesidades de información de la organización, por
tal motivo pone énfasis en el diseño de los data marts, para lo cual utiliza el
modelado dimensional en la versión del esquema estrella. Dicho esquema
representa la desnormalización óptima de los datos que mejor se adapta a los
requerimientos de los usuarios.
Kimball (2004) nos advierte que lo primero que se debe hacer al comenzar el
modelado dimensional es analizar la sólida base que representa el diagrama
entidad relación de la empresa y a partir de allí iniciar el modelado dimensional
es decir, primero se debe observar toda la organización para encontrar los
procesos discretos del negocio, luego corresponde establecer cuales son todos los
posibles data marts y de entre de ellos seleccionar cual es el más adecuado de
implementar, en la correspondiente iteración del data warehouse. A
continuación ya se puede enfocar en el o los data mart que pertenecen a la etapa
actual del proyecto y proceder con el ciclo de vida que expone su metodología.
En general kimball propone un esquema de desnormalización de los diagramas
entidad - relación para identificar los procesos discretos de negocios (áreas de
interés) con sus posibles tablas de hechos y dimensiones. Luego, selecciona un
subconjunto de datos para modelarlo utilizando el esquema estrella y continuar
el desarrollo del data warehouse de forma iterativa, modelando un nuevo
subconjunto cada vez.
Figura 2: Ciclo de vida de la metodología de Ralhp Kimball.
21
Fuente: The Data Warehouse Lifecycle Toolkit
Figura 3: Diferentes Arquitecturas de un Sistema BI / DW
22
Fuente: XR Magazine
2.2.9 Diferencias entre los Sistemas tradicionales y los Sistemas Business
Intelligence
23
Cuadro 1: Sistemas tradicionales vs Sistemas de inteligencia de negocios
OLTP
Data Warehouse
Objetivo
Consultar
y
analizar
Soportar actividades
información estratégica y
transaccionales diarias
táctica
Tipo de Datos
Operacionales
Para la toma de decisiones
Modelo de Datos
Normalizado
Desnormalizado
Consultas
SQL
SQL más extensiones
Datos Consultados
Actuales
Actuales e históricos
Horizonte de Tiempo
60 – 90 días
5 – 10 años
Tipos de Consulta
Repetitivas,
predefinidas
No previsibles, dinámicas
Nivel de
Almacenamiento
Nivel de detalle
Nivel de detalle y diferentes
niveles de sumarización
Acciones Disponibles
Alta,
modificación
consulta
Número de
transacciones
Elevado
Medio o bajo
Tamaño
Pequeño – Mediano
Grande
Tiempo de Respuesta
Pequeño (segundos Variable (minutos - horas)
minutos)
Orientación
Orientado
aplicaciones
Sello de Tiempo
Estructura
baja,
y Carga y consulta
a
las
Orientado al negocio
La clave puede o no
La clave tiene un elemento
tener un elemento de
de tiempo
tiempo
Generalmente varía
de
Generalmente estable
acuerdo
a
su
propia
evolución y utilización
24
2.3 Definición de Términos Básicos
Importador
Según la RAE el importador es aquella persona natural o jurídica que introduce
productos extranjeros en un país.
Para poder convertirse en un importador en el Perú solo basta contar con un
RUC (Registro Único del Contribuyente) esto está avalado gracias al estado
peruano.
Importación FOB
Compra legal de bienes y servicios a un mercado extranjero, valorizada en la
frontera del país vendedor, excluyendo los servicios internacionales de fletes y
seguros.
Aduana
Oficina pública, establecida generalmente en las costas y fronteras, para registrar
en el tráfico nacional e internacional, los géneros y mercancías que se importan o
exportan, y cobrar los derechos que adeudan.
Agente aduanero
Realiza una función de naturaleza mercantil orientada a facilitar a quienes
contraten sus servicios, es decir a todo lo relativo al cumplimiento de la
normativa jurídica vigente en materia de importación, exportación o tránsito
aduanero.
Estado de la Mercancía
Son los estados en los que se encuentran dichos productos al momento de
importarlos o exportarlos, dichos estados se indican con un código
correspondiente.
Unidad de la Mercancía
Está definida como la clase de bulto de los productos transportados. Ya sea por
ejemplo botellas, bidones, etc.
Almacén Aduanero
Local destinado a la custodia temporal de las mercancías cuya administración
puede estar a cargo de la autoridad aduanera, de otras dependencias públicas o
de personas naturales o jurídicas, entendiéndose como tales a los depósitos
temporales y depósitos aduaneros.
Empresa de Transporte
Encargados de realizar el traslado de las mercancías de un lugar a otro, y que
además se les asigna un código dado por la administración aduanera.
Partida Nandina
Es la unidad en que se divide la nomenclatura del sistema armonizado de
designación y codificación de mercancías. Esta consiste en la descripción
25
detallada de un producto con el objetivo de hacer más fácil la identificación y
procesamiento aduanero.
País de Origen
País en el que las mercancías declaradas han sido manufacturadas, cultivadas o
extraídas.
País de Adquisición
País en el cual las mercancías declaradas han sido adquiridas.
Bienes de capital
Son las maquinarias y equipos cuya utilización repetida en un proceso
productivo se obtiene un bien tangible o intangible (destinado al mercado
nacional o internacional), sin que este proceso modifique su naturaleza.
Mercado Externo
Conjunto de transacciones comerciales internacionales que incluyen el total de
las importaciones y exportaciones de bienes, servicios y capital, que se realizan.
Aparatos de telecomunicación digital
Se consideran a este tipo de productos a los módems, conmutadores, switchs,
entre otros.
III.
MATERIALES Y MÉTODOS
3.1 Diseño de investigación
3.1.1 Tipo de estudio y diseño de contrastación de hipótesis
Según Campbell y Stanley (1959) en su libro “Diseños experimentales y
cuasiexperimentales en la investigación social” dice que “las situaciones sociales
en que el investigador puede introducir algo similar al diseño experimental en su
programación de procedimientos para la recopilación de datos (el cuándo y el a
quién de la medición), aunque carezca de control total acerca de la
programación de estímulos experimentales (el cuándo y el a quien de la
exposición y la capacidad de aleatorizarla), que permite realizar un auténtico
experimento. En general, tales situaciones pueden considerarse como diseños
cuasiexperimentales.”
En general ya que este tipo de diseño carece de control experimental total, es
indispensable que el investigador tenga un conocimiento a fondo de cuáles son
las variables específicas que su diseño particular no controla.
Por lo tanto el presente proyecto estará enfocado dentro de un diseño
cuasiexperimental.
26
En particular, para el diseño de contrastar la hipótesis se utilizarán los métodos de
pretest y postest que quiere decir una medición antes y después con un grupo
control.
3.1.2 Población, muestra de estudio y muestreo
La población en este proyecto estará conformada por toda persona natural o
jurídica que señalando su registro único de contribuyente (RUC) le permite de
forma directa importar, esto garantizado por el Estado Peruano.
3.1.3 Muestra
Según Fernández, Cordero y Córdova (2002), una vez determinada la población y
los caracteres que van a ser estudiados se procede a su observación estadística,
llamada muestra exhaustiva y esta se realiza a todos los elementos de la
población, no obstante es complicado realizarla cuando la población es
demasiado grande o el coste de la observación total es superior a los recursos
disponibles.
Sin embargo, en la muestra del siguiente proyecto se escogieron a 5 personas las
cuales son las adecuadas e idóneas por ser quienes tienen contacto directo con
los importadores y que además conocen al detalle los requerimientos de estos.
3.1.4 Muestreo
En este proyecto dicho muestreo estará conformado por un asesor y consultor en
negocios de exportación e importación, dos funcionarios aduaneros y dos
importadores.
3.1.5 Métodos, técnicas e instrumentos de recolección de datos
Cuadro 2: Técnicas para la recolección de datos
MÉTODO
TÉCNICAS E INSTRUMENTOS
Entrevistas
Comunicación abierta
grupo de importadores
Información técnica
Verificación del sistema
Análisis
Observación
con
un
3.1.6 Hipótesis
La implementación de un sistema de soporte a la toma de decisiones basado en
inteligencia de negocios, mejora los procesos comerciales del importador
peruano.
27
3.1.7 Variables e indicadores
-Variable Independiente
Sistema de soporte a la toma de decisiones basado en inteligencia de negocios.
-Variable Dependiente
Procesos comerciales del importador peruano.
-Indicadores




Tasa de variación
Precio CIF
(Costo, seguro y flete)
Procesamiento de información
Reportes
Cuadro 3: Operacionalización de variables
OPERACIONALIZACIÓN DE VARIABLES
Variable
Descripción
Indicador Instrumento Operacionalización
Tasa
de Evalúa
el Porcentaj Fórmula
[(total
de
variación
comportamie e
de matemática importaciones año
nto de las crecimien
actual/
total
de
importacione to
importaciones año
s
en
un
anterior)-1]*100
determinado
tiempo
Precio CIF
Montos
Monto en Montos
Costo del producto
(costo,
pagados que dólares
pagados al +
seguro
del
seguro
y se
realizan
importar
producto + flete del
flete)
antes
de
producto
importar un
producto
Procesamie Tiempo
de Tiempo
Cronómetro Tiempo de envió –
nto
de respuesta que en
tiempo de respuesta
información el
sistema minutos
tarda
en
devolver
información
Reportes
Información
Cantidad Software
Tiempo de respuesta
detallada
y de
implementa
actualizada
reportes
do
de
las
importacione
s
28
3.1.8 Plan de procesamiento para análisis de datos
Para el análisis de datos se hará uso de las herramientas de Microsoft SQL Server
2008 y sus lenguajes para las consultas son Transact SQL y ANSI SQL.
Sus servicios de análisis se mueven en el entorno de análisis en tiempo real
además los servicios de transformación de datos son un conjunto de
herramientas gráficas y objetos programables.
3.2 Metodología
Analizar las diferentes fuentes de información para determinar la creación de la
aplicación y los beneficios que proporciona al presentar la misma en Data Mart.
Definir una metodología para el proceso ETL (Extracción, Transformación y Carga
de los Datos) para la correcta obtención de los datos, a fin de que se conviertan
en información útil para el importador peruano.
Realizar de manera eficiente el proceso de ETL (Extracción, Transformación y
Carga de los Datos)
Lograr que el proceso de ETL, cubos, reportes e indicadores sea fácil de generar,
mantener y desplegar.
Permitir filtrar la información por indicadores o parámetros respectivos los cuales
serán utilizados por los importadores peruanos para la toma de decisiones dentro
de cada importación.
29
IV.
RESULTADOS
4.1 Determinación de Requerimientos
La identificación de requerimientos fueron obtenidos a partir de la aplicación de
las técnicas de extracción de información a los respectivos usuarios; los
requerimientos que se plantearon se presentan en el siguiente cuadro:
4.1.1 Funcionales
Cuadro 4: Niveles de los requerimientos
Dificultad (Dif.)
Valores Descripción
1
Alta
2
Media
3
Baja
Prioridad (Prio.)
Valores Descripción
1
Alta
2
Media
3
Baja
Exigibilidad (Ex.)
Valores Descripción
1
Exigible
2
Deseable
30
4.1.1.1 Funcionales de Mantenimiento
Cuadro 5: Requerimientos funcionales de mantenimiento
N° Descripción
Dif. Prio. Ex.
1
Se cargará el data warehouse con todos los datos
extraídos de las distintas fuentes, manteniendo la
información relevante para los propósitos planteados.
Se crearán rutinas de limpieza de datos, que permitan
verificar la validez y calidad de los datos, según los
criterios del desarrollador. Estas rutinas incluyen el
formato correcto de una cadena, los filtros de los
valores no válidos o nulos y la verificación de data
consistente por medio de constraints.
Permitir mostrar los indicadores o parámetros
respectivos que serán utilizados por los analistas de
negocios para la toma de decisiones dentro de cada
importación.
Se extraerá de forma adecuada la información de los
sistemas fuentes, según sea la naturaleza de ellos. (bases
de datos, archivos Excel, archivos DBF, archivos de
texto)
2
1
E
2
1
E
2
1
E
2
2
D
5
Los usuarios tienen la opción de imprimir reportes.
3
2
E
6
Se generan gráficos tipo columnas en base a reportes.
1
2
E
7
El sistema presenta dashboards para visualizar el estado 2
de los indicadores, como los semáforos dentro del
reporte.
Todos los reportes pueden ser exportados a otros 2
archivos con formato: PDF, XLS y texto.
El usuario define los campos y filtros que muestra el
2
reporte.
2
D
2
E
1
E
2
3
4
8
9
31
4.1.1.2 Funcionales de Reportes
Cuadro 6: Requerimientos funcionales de reportes
N° Descripción
Dif. Prio. Ex.
1
2
1
E
2
1
E
2
1
E
2
1
D
2
3
4
Reporte en el cual se muestre al usuario que tipo de
producto desea importar y como ha ido creciendo o
decreciendo durante cierto periodo de tiempo.
Reporte en el cual se muestre al usuario la evolución de
un producto importado por sectores (agroindustrial,
pesquero, etc.).
Reporte en el cual se muestre al usuario las principales
partidas importadas por precio FOB.
Reporte que permite conocer las principales empresas
importadoras en el Perú.
4.1.2 No Funcionales
Cuadro 7: Requerimientos no funcionales
N° Descripción
Dif. Prio. Ex.
1
3
1
E
2
1
E
2
1
E
1
2
D
3
2
D
3
2
D
2
3
4
5
6
Esta solución está elaborada con licencia de Integration
Services.
Esta solución tiene como motor de base de datos
Microsoft SQL Server 2008.
Esta solución tiene para su elaboración de reportes la
herramienta de Reporting Services 2008 de Microsoft.
Esta solución es de fácil manejo y tiene una interfaz
amigable, provee un sistema intuitivo y fácil de usar en
la elaboración de reportes y análisis.
Esta solución tiene una disponibilidad de 24 horas al
día durante toda la semana (24x7)
Esta solución debe permitir compatibilidad de los
reportes con Excel
32
4.2 Elaboración de Prototipos
A continuación se detallará algunos de los prototipos estándar de los reportes,
cabe resaltar que lo colores son referenciales.
Por ejemplo en el siguiente reporte se dará a conocer las principales partidas
importadas (FOB. En Millones de dólares) durante los 4 últimos años además el
porcentaje de partidas durante el año 2013.
Figura 4: Reporte tipo lista.
En el siguiente reporte se daría a conocer las importaciones que se han hecho
durante los últimos 7 años a los distintos países y como estas importaciones han
ido variando durante el año 2012 mediante cierto tipo de indicadores, como
anteriormente se señaló no necesariamente el gráfico aparecerá por encima de la
tabla ya que puede aparecer un listado pero varios gráficos e indicadores en
distintas posiciones.
Este tipo de reportes permitirá al usuario final tener o manejar una o varias
opciones para mejorar sus procesos comerciales al momento de importar uno o
varios productos según sea su análisis.
33
Figura 5: Reporte hibrido.
4.3 Análisis de las fuentes de datos internas
La calidad de los datos es un factor importante en el éxito del proyecto de data
warehousing. En esta etapa se debe sanear todos los inconvenientes relacionados
con la calidad de datos fuente.
Las bases de datos fuente se guardan como archivos .ZIP los mismos que pueden
ser guardados en el disco duro, al desempaquetar este zipeado éste contiene un
archivo en formato de base de datos (.DBF) o un archivo de texto (.TXT).
El procedimiento para descargar este tipo de información es el siguiente:
34
Paso 1:
Figura 6: Portal de Sunat
Fuente: SUNAT
Paso 2:
Fuente: SUNAT
Paso 3:
Fuente: SUNAT
35
Esta información se encuentra desintegrada ya que en los archivos de Excel
existen diversos campos, los cuales contienen datos y que almacenada de esta
manera quizá no nos pueda brindar información importante que pueda ser
analizada eficientemente.
Para lograr entender estos datos que se encuentran almacenados en estos campos
será necesario recurrir a diferentes tablas las cuales las podemos encontrar
almacenadas en archivos de texto. En estos archivos de texto podemos encontrar
por ejemplo los códigos de las diferentes aduanas, los códigos de los tipos de
documentos, etc. pero además existen códigos que se no se encuentran en estas
tablas y debemos localizar estos datos en archivos Excel.
36
4.3.1 Campos originales del archivo importaciones
CODI_ADUAN
Indica el código de la intendencia de aduana bajo cuya jurisdicción se realiza el
despacho aduanero.
ANO_PRESE
Indica el año de presentación de la DUI (Declaración Única de Importación)
NUME_CORRE
Numero de orden asignado por el declarante para identificar el despacho.
FECH_INGSI
Indica la fecha de numeración de la DUI (Declaración Única de Importación)
TIPO_DOCUM
Indica el código del documento de identificación del dueño, consignatario o
importador.
LIBR_TRIBU
Indica el número de documento del importador.
DNOMBRE
Indica el nombre o la empresa del importador.
CODI_AGENT
Indica el código del agente aduanero.
FECH_LLEGA
Indica la fecha de llegada del transporte de la mercancía.
VIA_TRANSP
Indica el código de la vía de transporte de la mercancía.
EMPR_TRANS
Indica el código de la empresa de transporte.
CODI_ALMA
Indica el código del recinto aduanero o almacén.
CADU_MANIF
Indica código de la aduana donde se realizó el manifiesto.
FECH_MANIF
Indica el año de numeración del manifiesto.
NUME_MANIF
37
Indica el número del manifiesto.
FECH_RECEP
Indica la fecha de recepción de la DUI (Declaración Única de Importación)
FECH_CANCE
Indica la fecha de cancelación.
TIPO_CANCE
Indica el tipo de cancelación.
BANC_CANCE
Indica el código del banco para el pago electrónico.
CODI_ENFIN
Indica el código de la entidad financiera que otorga la facilidad de pago.
DK
Indicador de teledespacho.
PAIS_ORIGE
Indica el país de origen de la mercancía.
PAIS_ADQUI
Indica el país de adquisición de la mercancía.
PUER_EMBAR
Indica el puerto de arribo de la mercancía.
FECH_EMBAR
Indica la fecha de embarque de la mercancía.
NUME_SERIE
Indica el número de la serie de la mercancía.
PART_NANDI
Indica el código de la partida NANDINA.
DESC_COMER, DESC_MATCO, DESC_USOAP, DESC_FOPRE, DESC_OTROS
Indican la descripción comercial de la(s) mercancía(s).
FOB_DOLPOL
Indica el valor FOB de la serie expresado en dólares.
FLE_DOLAR
Indica el valor del flete expresado en dólares.
SEG_DOLAR
Indica el valor del seguro expresado en dólares.
38
PESO_NETO
Indica el peso neto de la mercancía.
PESO_BRUTO
Indica el peso bruto de la mercancía.
UNID_FIQTY
Indica la cantidad importada expresada en unidades.
UNID_FIDES
Indica la unidad de medida.
QUNICOM
Indica cantidad de unidad comercial.
TUNICOM
Indica el tipo de unidad comercial.
SEST_MERCA
Indica el estado de la mercancía.
ADV_DOLAR, IGV_DOLAR, ISC_DOLAR, IPM_DOLAR, DES_DOLAR, IPA_DOLAR,
SAD_DOLAR, DER_ADUM, COMM
Indican los diferentes impuestos que se tiene que pagar por la(s) mercancía(s).
FMOD
Indica la fecha de modificación.
CANT_BULTO
Indica la cantidad de bultos transportados.
CLASE
Indica la clase de bulto transportado.
TRAT_PREFE
Indica el trato preferencial.
TIPO_TRAT
Indica el tipo de tratamiento de la mercancía.
CODI_LIBER
Indica el código liberatorio de la mercancía.
IMPR_RELIQ
Indicador de reliquidación.
39
Cuadro 8: Campos originales de las importaciones
40
Fuente: SUNAT
41
4.4 Modelado dimensional
El datamart es un componente que está formado por la entidad de base de datos
multidimensional. A nivel físico estas tablas se van a agrupar en tabla de hechos y
tabla de dimensiones, además nos van a permitir una mejor organización y
agregar de manera muy simple las futuras tablas a medida que aumente la base
de datos.
Los servicios OLAP por medio de los datamarts nos van a permitir consolidar los
datos de los cubos multidimensionales para su mejor análisis.
En esta solución se utilizará la herramienta Microsoft Integration Services 2008 el
cual logra la extracción, transformación y la carga correspondiente de los datos
fuentes iniciales.
En esta base de datos se procesaran las consultas MDX o consultas lógicas que
retornan resultados multidimensionales adicionando las medidas necesarias para
la correcta evaluación dentro de la toma de decisiones.
El siguiente datamart incluye un modelo de datos que da soporte a los
indicadores y reportes a través de la tabla hechos o tabla fact y las tablas de
dimensiones.
Al momento de diseñar las dimensiones se cargaron y normalizaron estructuras
adicionales que permiten tener más amplitud de análisis.
En la siguiente figura se pueden mostrar los componentes más representativos del
modelado dimensional realizado en la herramienta OLAP (SQL), además se
puede apreciar que se cuenta con una tabla hechos que contiene los indicadores
y a su alrededor se encuentran las variables de análisis frecuentes como son:
Agente, importador, unidad de mercancía, puerto, país, aduanas, estado
mercancía, empresa de transporte, almacén, unidad comercial, vía de transporte,
tiempo, banco, partida, unidad de medida.
42
m
_cif_usb
oFOB_U nidadMedida
oCIF_Kilogr amo
oCIF_U nidadmedida
oCIF_U nidadcomer cial
_unidadmedida
r o_unidadmedida
go
Cuadro 9: Diagrama Relacional de la Base de Datos
DimensionA lmacen
DimensionPar tida
keyAlmacen
keyPar tida
codigoOLTP
codigo2007OLTP
r azonSocial
codigo2012OLTP
jur isdiccion
nombr ePar tida
dir eccion
capitulo
DimensionUnidadMer cancia
KeyUnidadMer cancia
CodigoOLTP
Descr ipcionUnidad
telefonos
DimensionA duanas
HechoImpor taciones
keyhecho
keyAduana
keyaduana
codigoOLTP
keyAduanaManifiesto
descr ipcionAduana
keyTiempoNumer acionD...
keyTiempoLlegada
DimensionPais
keyPais
codigoOLTP
descr ipcionPais
keyTiempoReecepcionDU I
keyTiempoCancelacion
keyEmpr esa
DimensionEstadoMer cancia
keyEstadoMer cancia
codigoOLTP
descr ipcion
DimensionPuer to
keyAgente
keyPuer to
keyViaTr anspor te
codigoOLTP
keyEmpr esaTr anspor te
descr ipcionPuer to
keyAlmacen
keyPais
keyPaisOr igen
keyPaisAdquisicion
keyPuer to
keyPar tida
keyU nidadMedida
keyU nidadComer cial
KeyU nidadMer cancia
keyBanco
keyEstadoMer cancia
DimensionUnidadComer cial
keyUnidadComer cial
codigoOLTP
descr ipcionUnidad
Descr ipconPr oducto
DimensionBanco
añomanifiesto
keyBanco
numer omanifiesto
codigoOLTP
nser
descr ipcion
tr at_pr efe
tipo_tr at
codi_liber
fob_dolpol
fle_dolar
seg_dolar
peso_netp
pesp_br uto
unid_fiqty
qunicom
adv_dolar
igv_dolar
isc_dolar
ipm_dolar
43
keyBanco
keyEstadoMercancia
DimensionUnidadComercial
keyUnidadComercial
codigoOLTP
descripcionUnidad
DimensionBanco
DescripconProducto
añomanifiesto
keyBanco
numeromanifiesto
codigoOLTP
nser
descripcion
trat_prefe
tipo_trat
codi_liber
fob_dolpol
fle_dolar
seg_dolar
peso_netp
pesp_bruto
unid_fiqty
qunicom
adv_dolar
igv_dolar
isc_dolar
ipm_dolar
des_dolar
ipa_dolar
sad_dolar
der_adum
DimensionUnidadMedida
DimensionA gente
comm
keyAgente
keyUnidadMedida
valor_cif_usb
codigoOLTP
precioFOB_UnidadMedida
descripcionUnidad
precioCIF_Kilogramo
codigoOLTP
descripcionAgente
precioCIF_Unidadmedida
precioCIF_Unidadcomer...
flete_unidadmedida
seguro_unidadmedida
DimensionT iempo
DimensionEmpresaT ransporte
DimensionViaT ransporte
DimensionExportador_Importador
keyTiempo
keyEmpresaTransporte
keyVia
keyEmpresa
fecha
codigoOLTP
codigoOLTP
Documento
semana
descripcionTransporte
descripcionTransporte
tipoDocumento
semana_año
Tipo
mes
nombreEmpresa
direccionEmpresa
nombreMes
mes_año
nombreMes_año
trimestre
trimestre_año
año
44
4.5 Documentación de la base de datos multidimensional
Como resultado del análisis dimensional el datamart cuenta con la siguiente
estructura en cuanto a las dimensiones.
Cuadro 10: Documentación de la base de datos
N°
Nombre de la dimensión
1
DimensionAgente
2
DimensionImportador
3
DimensionUnidadMercancia
4
DimensionPuerto
5
DimensionPais
6
DimensionAduanas
7
DimensionEstadoMercancia
8
DimensionAlmacen
9
DimensionEmpresaTransporte
Descripción
Representa al
tipo de agente
que se desea
contratar
Representa el
nombre de la
empresa
importadora
Representa la
unidad
de
medida de la
mercancía
Representa el
nombre
del
puerto
Representa el
país
desde
donde
se
importa
Representa la
aduana
de
destino de lo
importado
Representa el
estado
de
dicha
mercancía
Representa el
almacén
de
destino de la
mercancía
Representa el
nombre de la
empresa que
transporta la
mercancía sea
nacional
o
internacional
Llave Primaria
keyAgente
keyEmpresa
keyUnidadMercancia
keyPuerto
keyPais
keyAduana
keyEstadoMercancia
keyAlmacen
keyEmpresaTransporte
45
10
DimensionUnidadComercial
11
DimensionViaTransporte
12
DimensionTiempo
13
DimensionBanco
14
DimensionPartida
15
DimensionUnidadMedida
Representa la
unidad
de
medida de la
mercancía
Representa la
forma
de
transporte de
la mercancía
Representa el
tiempo en que
se dio dicha
importación
Representa el
nombre
del
banco
Representa el
nombre de la
mercancía
importada
Representa la
unidad
de
medida de la
mercancía
keyUnidadComercial
keyVia
keyTiempo
keyBanco
keyPartida
keyUnidadMedida
4.6 Diseño de la arquitectura técnica
Para tener una visión general del sistema y tomando en cuenta la plataforma
elegida para la implementación de esta solución a continuación se explica la
arquitectura de la solución de inteligencia de negocios que presenta los
componentes necesarios para implementar una solución de este tipo y las
conexiones entre los diferentes puntos de los mismos.
Según Kimball (2004), el sistema fuente o datos fuente es un sistema operacional
cuya función es capturar las transacciones del negocio y cuya prioridad es su
disponibilidad, las consultas a este tipo de sistemas son limitadas y son parte del
flujo de transacciones normales del día a día. Este tipo de sistemas fuente
mantiene datos históricos, y que manejar reportes desde estos datos fuentes es
una carga para los sistemas de la organización.
El área de organización de datos es un área para almacenar y preparar procesos
que limpian transforman, combinan, eliminan duplicaciones, archivan y
preparan una fuente de datos para el uso en el servidor de prestaciones.
El servidor de aplicaciones es donde los datos son organizados y almacenados
para las consultas directas de los usuarios finales, reportes y otras aplicaciones.
Para el presente proyecto se ha optado por utilizar la metodología de Ralph
Kimball, ya que se necesita tener información histórica de datos fuente para
procesarlos e integrarlos y así asegurar la consistencia de los reportes mostrados.
46
Figura 7: Esquema de la arquitectura.
47
4.7 Selección e instalación de productos de Bussines Intelligence
A continuación se presentan las consideraciones preliminares para el correcto
funcionamiento de la herramienta para BI. Estas son las condiciones que se
consideran básicas e indispensables para que la herramienta pueda funcionar y
rendir resultados óptimos y así satisfacer los casos de prueba de desempeño de la
herramienta.
Condiciones para el hardware
 Procesador Intel Core i3.
 4 GB de memoria RAM como mínimo, 8 GB de memoria RAM es lo
recomendado.
 Monitor de 14”
 Resolución de 1024 x 768 pixeles
 Para el caso del servidor, este deberá tener una capacidad mínima
de 20 GB, pero esta puede variar en función a la cantidad de datos a
almacenar.
 Para la implementación de esta solución se requerirá un disco duro
de 20 GB.
Condiciones para el software
 El sistema operativo debe ser Windows 7 como mínimo.
 Para la implementación de la herramienta será necesario que se
cuente con el manejador de datos de SQL Server.
 Licencias correspondientes para el uso del manejador de base de
datos a emplear.
4.8 Diseño del proceso de extracción, transformación y carga
Para realizar esta tarea, con es el caso de estructurar e integrar los datos, se
realizó con la herramienta de SQL Server Business Intelligence Development
Studio, además para el proceso ETL (Extracción, Transformación y Carga) se
utilizó la plataforma de SQL Server Integration Services.
Para la limpieza de datos procedemos a realizar la siguiente consulta, el cual
hemos tomado por ejemplo la dimensión unidad comercial.
El resultado de la consulta es el siguiente en el cual nos muestra la información
de la dimensión unidad comercial.
48
Figura 8: Consulta SQL de la dimensión unidad comercial
Mediante la siguiente consulta vamos a obtener como resultado todos los códigos
no encontrados de la dimensión unidad comercial del archivo importación.
Figura 9: Consulta SQL de los códigos no encontrados
49
Dimensiones
Resumen de dimensiones
Dentro de este contenedor de secuencias encontraremos todas las dimensiones
que alimentaran de información a la tabla hecho llamada importaciones, este
contenedor además ayudara en el proceso ETL (Extracción, transformación y
carga).
Figura 10: Contenedor de secuencias de todas las dimensiones
Dimensión Aduana
La dimensión aduana ha sido poblada por los datos de la fuente externa, archivo
de texto, llamada aduana.txt, además cabe resaltar que para verificar la calidad de
los datos se realizó el proceso de limpieza, por lo que se llegó a determinar que
no había registros erróneos o “sucios”.
Nos debemos asegurar que no existan valores nulos en el código de aduana.
Es por ello que mediante la herramienta “División Condicional”, establecemos
que el código de aduana sea no nulo para seguir con el flujo de la tarea.
50
Figura 11: Dimensión Aduana
Asegurando que no existan espacios en blanco en los campos del archivo
aduana.txt
51
Dimensión Banco
Figura 12: Dimensión Banco
Asegurando que no existan espacios en blanco en los campos del archivo
banco.txt
52
Mediante la herramienta “división condicional”, se realizó la separación de
nuevos datos bancos para su registro en la Dimensión Banco.
53
54
Dimensión Importador
Figura 13: Dimensión Importador
Mediante la herramienta de Transformaciones de flujo de datos, llamada
conversion de datos se ha procedido a convertir los tipos de datos de los campos
TIPO_DOCUM, LIBR_TRIBU y DNOMBRE a STRING, cuya salida fueron
nTIPO_DOCUM, nLIBR_TRIBU y nDNOMBRE, respectivamente.
55
En la siguiente herramienta “Columna Derivada”, se ha procedido a eliminar los
espacios en blanco de los siguientes campos.
56
Dimensión Almacén
Conversión de tipo de datos, de los campos Código, RazSocial y Jurisdicción
Figura 14: Dimensión Almacén
Mediante la siguiente herramienta de transformación de flujo de datos, llamada
conversión de datos, se ha procedido a convertir los tipos de datos de los campos
Código a string(4), RazSocial a string(200) y Jurisdiccion a string(100) y cuya salida
fueron nCodigo, nRazSocial y nJurisdiccion, respectivamente.
57
Dimensión Agente
Además nos debemos asegurar que los datos provenientes del archivo agente.txt
no tenga espacios en blanco
Figura 15: Dimensión Agente
En la siguiente herramienta “Columna Derivada”, se ha procedido a eliminar los
espacios en blanco de los siguientes campos.
58
Dimensión País
Figura 16: Dimensión País
Asegurando que no existan espacios en blanco en los campos del archivo pais.txt
Mediante la herramienta “división condicional”, se realizó la separación de
nuevos datos bancos para su registro en la Dimensión País.
59
Mediante la herramienta “Combinacion de mezcla”, se ha combinado los datos
ordenado provenientes de la tabla DBF Pais, con los datos ordenados
provenientes de la dimensión País.
60
Dimensión Partida
Figura 17: Dimensión Partida
Asegurando que no existan espacios en blanco en los campos de la Dimensión
Partida.
61
Se mezcla los datos obtenidos de la herramienta “Ordenar 4” y “Ordenar 1”
Convirtiendo el tipo de datos de los campos a utilizar de la tabla Partida.xls.
Como se puede apreciar, los campos DESC#CAPITULO, Codigo 2007, Codigo
2012, Descripcion 2007, han sido cambiadas por nCapitulo, nCodigo2007,
nCodigo2012 y nDescripcion, respectivamente y ademas nCodigo2007 y
nCapitulo2012 han sido convertidos al tipo de dato string(10).
62
Mediante la herramienta “División Condicional”, se realizó el registro de nuevas
partidas para la Dimensión Partida.
63
Dimensión Puertos
Figura 18: Dimensión Puertos
Asegurando que no existan espacios en blanco en los campos de la Dimensión
Puertos.
64
Mediante la herramienta “División Condicional”, se realizó el registro de nuevos
datos puertos para la Dimensión Puertos.
4.9 Especificación final de la aplicación de usuario
Dichas aplicaciones final de usuario proporcionaran acceso a la mayoría de
usuarios del negocio con el fin de generar informes con la información que
deseen obtener. Estas son interfaces a las que tiene acceso el usuario, al cual se le
debe proveer de un mecanismo para que pueda ver los datos a un alto nivel y
obtenga con ello la solución a consultas específicas.
Vale decir que la interactividad con el datamart, aunque sea a un nivel
intermedio podría ofrecer nuevas perspectivas para los usuarios finales.
V.
DISCUSIÓN
Luego de haber concluido el proyecto se plantea la siguiente discusión para lo
cual se realizaron las pruebas con el sistema propuesto en afán de cumplir con los
objetivos, para lo cual se realizara una comparación de los resultados obtenidos
con la finalidad de corroborar nuestra hipótesis y de esta manera la viabilidad del
proyecto desarrollado.
Dichas pruebas fueron realizadas de forma tradicional y con el sistema propuesto.
65
Tabla N° 01: Comparación de tiempos de procesamiento de información entre el
sistema tradicional y el sistema propuesto
Indicador: tiempo de Sistema tradicional
respuesta del sistema
10 min.
Sistema propuesto
3 min
Con respecto a la tabla anterior podemos decir que se han controlado dichos
tiempos en base al procesamiento de información, y podemos visualizar que
existe una diferencia significativa ya que como se mencionó anteriormente el
sistema tradicional se centra en brindar datos en archivos de Excel y de texto los
cuales se encuentra de forma dispersa para poder entender dicha información,
con el sistema propuesto esto cambia ya que dichos datos están integrados de
manera ordenada y „limpia‟ lo cual brinda información de gran importancia y
relevancia para el importador peruano.
Tabla N° 02: En la siguiente tabla podemos visualizar el comportamiento para el
indicador tasa de variación y vemos cómo ha ido creciendo las importaciones en
algunos países durante el año 2013 en comparación con el anterior año.
En esta tabla podemos observar que existe una diferencia considerable en la
variación porcentual en los países de España y Suiza, esto le sirve como indicador
66
al importador porque le permite conocer que los productos han subido de precio
o que optaron por importar de otro país.
67
Tabla N° 03: En la siguiente tabla se muestra los diferentes precios por partida los cuales son costo, flete y seguro del producto
importado
En esta tabla podemos visualizar los diferentes precios CIF de los diferentes capítulos, pero que además le van a permitir al importador
analizar por costo del producto, flete del producto y seguro del producto, esto es importante también ya que dichos precios varían con
respecto al medio de transporte, lo cual ayuda al importador peruano a reducir sus precios CIF mediante una adecuada toma de
decisiones.
68
Tabla N° 04: En las siguientes 3 tablas se muestran los diferentes tipos de reportes que son el resultado de diversas consultas hechas.
Este reporte nos permite conocer las diferentes empresas importadoras de los diversos paises y cuales son las partidas que se importan
durante los diversos periodos de tiempo y ademas conocer el monto total importado.
69
En el siguiente grafico se muestra el ranking de las empresas importadoras durante el año 2013 por monto importado.
70
En este reporte mostramos el ranking de partidas por capitulo durante el año 2013 por monto importado.
71
VI. CONCLUSIONES
Para el presente proyecto que se encuentra orientado a mejorar los procesos
comerciales del importador peruano mediante un sistema de soporte, se puede
concluir que:
 El software logro reducir en 70% los tiempos para el procesamiento y
ordenación de información, esto permitió al importador no desistir en
dicha búsqueda de información dado que para lograr dicho propósito con
el sistema tradicional se tiene que buscar esta información por separado.
 Con la implementación del sistema, también se logró conocer la tasa de
variación o variación porcentual de los países, por consiguiente es un
indicador importante debido a que permite conocer el crecimiento o
decrecimiento en un determinado país con respecto a las importaciones
realizadas.
 Se logró conocer los diferentes precios CIF dentro de los cuales se
encuentran el costo del producto, el flete del producto y el seguro del
producto importado; esto le permite al importador analizar y reducir sus
precios CIF de importación.
 Y por último los reportes elaborados permitieron mostrar la importancia
de la explotación de la información puesto que generan una ventaja
competitiva en las empresas que se dedican al proceso de importación.
72
Recomendaciones
 Se recomienda documentarse bien en el uso de las herramientas y realizar
pruebas antes de iniciar el uso de producción de estas. Se puede conocer
muy bien el proceso a desarrollar, pero si las herramientas no son
utilizadas de la manera correcta entonces llevara al fracaso el producto
final.
 El producto desarrollado tiene un amplio campo en el mercado debido a
que las empresas están apuntando a desarrollar el concepto de inteligencia
de negocios en mérito de crecer y madurar.
 Además se recomienda implementar la minería de datos por el motivo de
que explora las bases de datos en busca de patrones ocultos, tendencias y
comportamientos encontrando información predecible que ni un experto
puede llegar a encontrar fácilmente.
73
VII.
REFERENCIAS BIBLIOGRÁFICAS
Cohen, Daniel y Asin, Enrique. Sistemas de Información para los Negocios un
enfoque de toma de decisiones. México: McGraw-Hill. 2005. p. 177-190
Rozenfarb, Alberto. Impacto de la Business Intelligence en el Proceso de la Toma
de Decisiones. México: UPIICSA. 2008.
Vives, E. Como competir mejor con el uso de información. Harvard Deusto. 2010.
98: 52-55.
Moliner, F. Grupos A y B de informática Bloque Especifico. Valencia. Mad. S. L.
2005.
Lluis, Josep. Business Intelligence: Competir con información. España: ESADE.
2007.
Rodríguez, Miguel. Análisis y diseño de un data mart para el seguimiento
académico de alumnos en un entorno universitario. España: Universidad Carlos
III de Madrid. 2010.
Ricardo, Bernabeu. Hefesto: metodología
para la construcción de un
datawarehouse. Argentina. 2010
Lorenzo, Juan. Network Business Intelligence, la mejor opción para adaptare al
cambio. Logicalis Now. 2012
Fernandez, Santiago; Cordero, Jose y Cordova, Alejandro. Estadistica Descriptiva.
España. 2002
REFERENCIAS ELECTRONICAS:
Habers, Frank. Een eenvoudig alternatief voor de Data Vault. 2011.
http://www.xr-magazine.nl/artikelen/1125/business-intelligence/een-eenvoudigalternatief-voor-de-data-vault
74
Urquizo, Pau. El Business Intelligence es la tecnología prioritaria, según Gartner.
2012.
http://www.businessintelligence.info/mercado/gartner-cio-survey-2012.html
Campbell,
Donald
y
Stanley,
Julián.
Diseños
Experimentales
y
Cuasiexperimentales en la Investigación Social. Buenos Aires. Rand McNally &
Company. 1995.
http://es.scribd.com/doc/96341110/CAMPBELL-STANLEY-Disenos-experimentalesy-Cuasiexperimentales-en-la-investigacion-social
http://inteligenciadenegociosdiegobrito.blogspot.com/2014/01/la-metodologia-dekimball.html
75
VIII. ANEXOS
Figura 19: portal de consultas en ADEX
Fuente: ADEX
76
Figura 20: Informe Técnico INEI
Fuente: INEI
77